Giọng đọc AI tự nhiên hay robot? Bí quyết thu âm chuẩn cho voice cloning tiếng Việt
Tuần trước tôi ngồi cày cả buổi tối để lồng tiếng cho một video TikTok về món bánh xèo. Tôi dùng công cụ nhân bản giọng nói miễn phí trên web, upload một đoạn ghi âm giọng mình đọc vài câu. Kết quả? Nghe như một con robot đang bị nghẹn họng. Tôi đã sai ở đâu?
Tôi thử lại lần thứ hai, lần này kỹ hơn. Và bất ngờ – giọng đọc tự nhiên đến mức bạn tôi tưởng tôi tự thu âm. Chênh lệch nằm ở... cách tôi thu âm reference audio. Không phải ở công cụ.
Lần đầu thất bại: Tôi đọc như đang đọc hợp đồng
Tôi mở app ghi âm trên điện thoại, đọc một đoạn trong cuốn sách dạy nấu ăn. Giọng tôi đều đều, không nhấn nhá, phát âm từng từ rõ ràng. Tôi nghĩ “càng rõ càng tốt”. Sai lầm chí mạng.
Khi tôi dán văn bản vào trang text to speech tiếng việt miễn phí, giọng clone đọc ra y hệt... một cô giáo đang đọc chính tả. Không có cảm xúc, dấu câu thì đúng nhưng nghe như người máy. Tôi thử chỉnh thanh điệu trong phần cài đặt nâng cao – tăng giảm cao độ, tốc độ. Vẫn không khá hơn.
Tôi nhận ra vấn đề: reference audio của tôi quá “phẳng”. Công cụ học từ giọng đọc đó, nó bắt chước cả sự đều đều của tôi.
Lần thứ hai thành công: Tôi kể chuyện, không đọc
Lần này tôi tưởng tượng mình đang kể cho đứa cháu nghe về món bánh xèo. Tôi cười, tôi ngập ngừng chỗ này, nhấn giọng chỗ kia. Đoạn ghi âm dài khoảng 20 giây, có cả tiếng thở nhẹ.
Kết quả khi dán văn bản vào – ôi trời, giọng đọc tự nhiên như tôi đang nói chuyện. Dấu hỏi, dấu ngã, dấu nặng – tất cả đều chuẩn. Tôi dùng chính giọng đó để lồng tiếng cho video TikTok, và lượt xem tăng vọt vì người ta tưởng tôi thu âm thật.
Bí quyết nằm ở chỗ: đừng đọc, hãy nói chuyện. Reference audio càng tự nhiên, giọng clone càng tự nhiên.
Thu âm thế nào cho chuẩn – 3 lỗi ai cũng mắc
Tôi đã thử nghiệm với 5 đoạn ghi âm khác nhau, và đây là những lỗi khiến giọng clone nghe như robot:
1. Phòng quá vang hoặc quá ồn – Tiếng quạt, tiếng ồn từ đường phố. Công cụ tạo giọng nói miễn phí sẽ học cả tiếng ồn đó, kết quả giọng đọc bị rè. Tôi chui vào phòng ngủ, đóng cửa, trùm chăn – hơi quá nhưng hiệu quả.
2. Đọc quá chậm hoặc quá nhanh – Tốc độ nói tự nhiên của người Việt khoảng 140-160 từ/phút. Tôi đọc chậm rãi như đang dạy học, giọng clone thành ra lê thê. Đọc nhanh quá thì nuốt chữ, clone phát âm sai.
3. Không có cảm xúc – Đây là lỗi lớn nhất. Tôi đọc một câu hỏi nhưng giọng không lên giọng ở cuối câu. Clone đọc ra thành câu trần thuật. Phải nhấn nhá, lên xuống giọng như khi nói chuyện thật.
Chỉnh dấu và phát âm – Mẹo nhỏ mà hiệu quả to
Công cụ voice cloning tiếng việt tôi dùng có phần cài đặt nâng cao cho phép chỉnh tần số, tốc độ, và cả cách phát âm. Sau khi tạo giọng clone, tôi thử đọc một câu có đủ thanh điệu: “Bà ấy bảo bầu trời đẹp quá”.
Nếu giọng đọc bị lệch dấu, tôi chỉnh pitch lên/xuống một chút. Nếu từ nào phát âm sai, tôi thêm phiên âm trong ngoặc vuông. Mẹo này cứu tôi khỏi cảnh phải thu âm lại từ đầu.
Nhưng có một lưu ý: đừng chỉnh quá tay. Tôi từng tăng pitch lên 1.5, giọng thành như chuột chũi. Chỉnh từng nấc nhỏ, nghe thử, rồi mới dừng.
Bản quyền khi dùng giọng AI – Chuyện ít ai nói
Tôi dùng giọng clone của chính mình để lồng tiếng video, thì không sao. Nhưng nếu bạn clone giọng của người nổi tiếng, hoặc giọng đọc trong một audiobook có bản quyền – coi chừng.
Tôi có ông bạn làm kênh YouTube, clone giọng của một ca sĩ nổi tiếng để đọc truyện. Kênh bị báo cáo, video bị gỡ, còn bị cảnh cáo bản quyền. Công cụ nhân bản giọng nói miễn phí thì không cấm, nhưng luật pháp Việt Nam về bảo hộ giọng nói đang ngày càng chặt.
Cách an toàn: chỉ clone giọng của chính bạn, hoặc người đã đồng ý. Nếu bạn muốn thu âm audiobook bằng ai miễn phí, hãy dùng giọng của mình, hoặc giọng có sẵn trong thư viện của công cụ – nhưng kiểm tra giấy phép sử dụng thương mại.
VoxClone – Công cụ tôi đang dùng và cách tận dụng
Tôi dùng trang web vi.web666.cc – không cần đăng ký, vào là dùng. Trang có trang chủ, trang clone riêng, và trang bài viết hướng dẫn. Tôi thường vào thẳng trang clone, upload đoạn ghi âm, chờ vài phút, rồi dán văn bản vào.
Điểm tôi thích nhất: miễn phí vĩnh viễn, không giới hạn số lần. Tôi tạo cả một kho giọng cho các nhân vật trong video của mình. Giọng ông già, giọng trẻ con – tôi tự biến đổi giọng mình khi thu âm, clone ra mỗi giọng một kiểu.
Nhưng nhớ: công cụ chỉ tốt khi reference audio tốt. Đừng đổ lỗi cho công cụ nếu bạn thu âm ẩu.
Thử ngay và tự rút kinh nghiệm
Lần tới khi bạn muốn lồng tiếng video bằng ai miễn phí, đừng vội mở app ghi âm và đọc. Hãy tưởng tượng bạn đang nói chuyện với bạn thân, thu âm trong phòng yên tĩnh, đọc có cảm xúc, và chỉnh sửa nhẹ nhàng trong phần cài đặt.
Tôi cá là bạn sẽ bất ngờ với kết quả. Còn tôi, giờ tôi đã có cả một “đội ngũ” giọng AI của riêng mình để làm video mà không cần thu âm lại mỗi lần. Thử đi, rồi quay lại kể tôi nghe kết quả nhé!